Datalab Rilis Surya 2.5, Parser Dokumen Open-Weight Tercepat di Kelas Di Bawah 1 Miliar Parameter

Datalab merilis Surya 2.5, model OCR dan parsing dokumen open-weight dengan 689 juta parameter. Perusahaan menyebut kecepatan 4,5 halaman per detik pada satu H100 — 1,7x lebih cepat dari Surya 2 — dengan skor 85,9 di OmniParseBench, tertinggi di antara model open di bawah 1B parameter. Pengenalan tabel naik ke 78,3, kegagalan looping turun dari 3,8% menjadi 0,1% permintaan, dan satu halaman kini hanya butuh 2,6x lebih sedikit token output karena model mulai mampu menulis. Dukungan bahasa mencakup 91 bahasa, dengan 21 bahasa mencetak skor minimal 90.

Kode dirilis dengan lisensi Apache 2.0, sementara bobot memakai OpenRAIL-M yang gratis untuk riset, penggunaan pribadi, dan startup dengan pendapatan di bawah US$5 juta. Datalab mengakui sejumlah keterbatasan: tidak ada koordinat bounding box tabel, hasil lemah pada pindaian lama atau berkualitas buruk (44,3 di subset lama olmOCR-bench), serta skor bahasa Arab yang masih 45,4%.

Rilis ini datang bersama gelombang parser sub-1B seperti Baidu Unlimited OCR 2, MiniCPM-OCR, dan Indra 1.1 yang sama-sama mengarahkan parsing dokumen ke perangkat keras komoditas yang sanggup berjalan di CPU — arah yang menurunkan biaya inferensi per halaman bagi perusahaan dengan pipeline on-premise. Seluruh angka benchmark masih klaim vendor, dan bahasa Indonesia belum diuji secara publik.